[发明专利]一种个性化视频推荐方法及系统

说明书

本发明公开了一种个性化视频推荐方法及系统，其中该方法包括获取用户历史观看视频记录；根据用户历史观看视频记录，统计得到视频观看状态转移矩阵，进而计算出用户基本偏好值；根据用户历史观看视频记录，统计得到用户历史观看视频记录对应的视频标签分布，再与标签‑类型转换矩阵相乘，得到每个用户观看新视频标签分类的概率，再与视频在相应新分类下的标记相乘后累加，得到用户纵向偏好值；通过用户观看视频对应标签分布与标签类型转换矩阵的乘积与总体用户偏好值的预设百分率比较，求取用户横向偏好值；最后将用户基本偏好值、用户纵向偏好值以及用户横向偏好值三者相乘，得到用户观看视频的概率并由概率从大到小进行个性化推荐。

技术领域

本发明属于视频推荐领域，尤其涉及一种个性化视频推荐方法及系统。

背景技术

目前，随着网络技术和视频应用的发展，观看视频已成为人们娱乐的主要方式之一。当人们观看视频前，需要从大量视频资源中选择自己喜好的视频，而且也会弹出一些系统自动推荐的视频。但是，目前较为流行的推荐算法有基于内容的推荐和利用协同过滤方法进行推荐，但这两种算法都存在一定的弊端。

(1)基于内容的推荐太过于依赖视频标签的质量，同时没有考虑任何的用户行为。

(2)协同过滤算法虽然考虑了用户的历史行为，但将用户任意时间的用户行为等同考虑，没有考虑用户行为的时效性，将用户的观看行为看成了一个静态过程，忽略了用户兴趣的变化，而且协同过滤算法无法保证推荐结果的覆盖率以及推荐的惊喜度。

发明内容

为了解决现有技术的不足，本发明的第一目的是提供一种个性化视频推荐方法，其能够根据用户的观看视频的特点来调整用户观看视频的概率大小，从而得到最佳的推荐结果。

本发明的一种个性化视频推荐方法，包括：

获取用户历史观看视频记录；

根据用户历史观看视频记录，统计得到视频观看状态转移矩阵，进而预测出用户观看下一个视频的概率，即用户基本偏好值；

根据用户历史观看视频记录，统计得到用户历史观看视频记录对应的视频标签分布，再与标签-类型转换矩阵相乘，得到每个用户观看新视频标签分类的概率，再与视频在相应新分类下的标记相乘后累加，得到用户纵向偏好值；

通过用户观看视频对应标签分布与标签类型转换矩阵的乘积与总体用户偏好值的预设百分率比较，求取用户横向偏好值；

最后将用户基本偏好值、用户纵向偏好值以及用户横向偏好值三者相乘，得到用户观看视频的概率并由概率从大到小进行个性化推荐。

进一步的，所述用户历史观看视频记录包括观看视频的用户数量、观看的视频数量和视频标签。

进一步的，在用户观看视频对应标签分布与标签类型转换矩阵的乘积与总体用户偏好值的预设百分率比较的过程中，若前者大于后者，则视频标签分布中相应偏好指数与中位数作商后再与用户纵向偏好值，得到用户横向偏好值；否则，将前者作为用户横向偏好值。

其中，纵向偏好表示的是用户本身兴趣偏好的值，横向偏好则是用户与其他用户对比下的相对偏好情况。本发明通过用户纵向偏好值与总体用户偏好值的预设百分率比较，能够确定横向偏好对于用户纵向偏好的影响程度，从而准确实现对用户进行个性化推荐。

进一步的，标签-类型转换矩阵的列数等于视频标签的分类总数，标签-类型转换矩阵的行数等于视频标签的总个数。

其中，标签-类型转换矩阵降低了意义重复的标签对用户个人偏好的影响，最终提高了对用户进行个性化推荐的准确率。

进一步的，根据当前元素的视频标签是否当前元素所在列的视频标签类别，来对标签-类型转换矩阵的任一元素进行赋值：